CN112991435B - 基于3D LiDAR的果园行末、行首识别方法 - Google Patents

基于3D LiDAR的果园行末、行首识别方法 Download PDF

Info

Publication number
CN112991435B
CN112991435B CN202110178103.7A CN202110178103A CN112991435B CN 112991435 B CN112991435 B CN 112991435B CN 202110178103 A CN202110178103 A CN 202110178103A CN 112991435 B CN112991435 B CN 112991435B
Authority
CN
China
Prior art keywords
orchard
tree
line
row
point cloud
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110178103.7A
Other languages
English (en)
Other versions
CN112991435A (zh
Inventor
何雄奎
刘伟洪
刘亚佳
宋坚利
曾爱军
袁常健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Agricultural University
Original Assignee
China Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Agricultural University filed Critical China Agricultural University
Priority to CN202110178103.7A priority Critical patent/CN112991435B/zh
Publication of CN112991435A publication Critical patent/CN112991435A/zh
Application granted granted Critical
Publication of CN112991435B publication Critical patent/CN112991435B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Abstract

本发明属于三维点云处理技术领域，尤其涉及一种适用于作业机具对果园行末、行首识别方法。该方法包括步骤：S1.果园行间原始点云数据采集；S2.兴趣区域选择；S3.果树位置等效、定位直线拟合与分组；S4.行末、行首识别。本发明方法通过采集作业机具前后小范围内的空间点云信息，通过体心法等效树干中心，通过所识别的果树在机具前后左右方向的直线存在的真假组合方式，判断机具在果园中所处位置，进而实现行末、行首识别，最后基于行距信息规划转弯轨迹，并基于果园作业机具运动学模型进行轨迹跟踪控制。所述方法具有简单、运算量小、实时性高、准确性高、受环境干扰小、鲁棒性高等优点。

Description

基于3D LiDAR的果园行末、行首识别方法
技术领域
本发明属于三维点云处理技术领域，尤其涉及一种适用于作业机具自动换行的基于3D LiDAR的果园行末、行首识别方法。
背景技术
果园自动导航技术是实现人机分离、无人驾驶精细化果园管理的核心，也是未来智慧农业发展的关键技术。果园自动导航技术主要由树行跟踪、自动换行、实时避障等组成，其中，自动换行是指果园作业机具在到达果园行末时能够根据行距信息自动转入下一目标行中，这就要求果园作业机具能够准确识别果园行末、果园行首，以及根据行距信息与转弯方向产生并跟踪一条可行的转弯路径。
目前，国内外关于果园行末识别的方法大都通过构建全局地图并标出果园行末，或者在果园行末特定位置安装特定的标志物(如反光带)，通过高反射率特征来帮助所用传感器对行末进行识别。这些方法需要依赖地图或者人工布置特征标志来帮助果园作业机具对行末进行识别，进而引导果园作业机具完成自动换行，这无疑增加了果园自动换行的难度。
如何在不增加传感器或者不给作业场景布置新的特征物的情况下，实现对果园行末、行首的准确识别，进而实现果园作业机具的自动换行是一个亟待解决的问题。
发明内容
针对上述技术问题，本发明的目的是在不创建地图、不增加特征标志物的前提下，提供一种具有运算量小、实时性高、准确性高、受环境干扰小、鲁棒性高等特点的基于3DLiDAR的果园行末、行首识别方法。
为了实现上述目的，本发明提供了如下技术方案：
一种基于3D LiDAR的果园行末、行首识别方法，包括如下步骤：
S1、果园行间原始点云数据采集；
以果园作业机具上搭载的3D LiDAR的几何中心为原点，构建果园作业机具的机体坐标系{V}；其中，在该坐标系中，x轴垂直于轮轴且正向指向果园作业机具的前进方向，y轴平行于轮轴且正向指向果园作业机具左侧，z轴垂直于x轴、y轴所在平面且正向指向上方；
在果园作业机具行进过程中，3D LiDAR以一定的频率采集目标果园行间的三维原始点云数据，在机体坐标系{V}下，第k帧三维原始点云数据记为Pk；
S2、兴趣区域选择；
以机体坐标系{V}的原点为中心，x轴正方向保留1.5倍株距dtre，负方向保留0.5倍株距dtre；y轴正、负方向均保留0.75倍行距drow；z轴正方向取正无穷，负方向取0.5倍3DLiDAR的安装高度hlidar；对三维原始点云数据Pk进行裁剪，作为所选兴趣区域的三维原始点云数据Pk′；
S3、果树位置等效、定位直线拟合与分组；
S3.1、欧几里得聚类，获得每一棵果树点云数据集
S3.1.1、创建一个kd-tree的搜索算法指针tree，将步骤S2获得的兴趣区域的三维原始点云数据Pk′所对应的指针，作为搜索算法指针tree的成员函数SetInputCloud()的输入参数，由此完成点云数据搜索方式kd-tree的创建；
S3.1.2、将需聚类的目标点云设为步骤S2获得的兴趣区域的三维原始点云数据Pk′，分别设置最小距离阈值为聚类点的最小数目为12、聚类点的最大数目为5000，将搜索方式设为步骤S3.1.1创建的kd-tree方式；其中，dtre为株距；
S3.1.3、经过该算法将产生i个数组，即i个类别，亦即i棵果树(i＝0，1，2，...)，获得每一棵果树点云数据集
S3.2、树干的体心等效与投影；
S3.2.1、求解步骤S3.1获得的每一棵果树点云数据集中分别沿x轴、y轴、z轴三个方向的最值坐标/>
S3.2.2、分别求解三个轴向最值坐标的中点，即得到该果树的体心坐标其中，
S3.2.3、令求得的所有树干体心坐标的z值为0，则对于第i棵树，其体心坐标表示为获得第k帧的所有树干体心集合Qk；
S3.3、定位直线拟合与分组；
S3.3.1、首先以机体坐标系{V}的x轴为分割线，将第k帧的所有树干体心集合Qk分为左右两组Ql、Qr，然后以机体坐标系{V}的y轴为分割线将第k帧的所有树干体心集合Qk分为前后两组Qf、Qb，最后使用最小二乘法分别对四组树干体心集合Ql、Qr、Qf、Qb进行拟合，分别获得四条直线方程：左直线Ll、右直线Lr、前直线Lf、后直线Lb；
S3.3.2、根据四条直线方程Ll、Lr、Lf、Lb存在的真假状态，将直线存在记为1，不存在记为0，则四条直线存在的真假状态组合方式共有24＝16种，获得四条直线存在的真假状态组合方式与果园作业机具在果园中所处位置的对应关系；所述果园作业机具在果园中所处位置包括进入树行、到达行末、离开树行和踏入树行；
S4、行末、行首识别；
根据步骤S3.3获得的四条直线存在的真假状态组合方式与果园作业机具在果园中所处位置的对应关系；
当四条直线中，Lb为1、Lf为0、Ll为0、Lr为0，或
Lb为1、Lf为0、Ll为0、Lr为1，或
Lb为1、Lf为0、Ll为1、Lr为0，果园作业机具处于到达行末的状态时，即为准确识别了果园行末；
当四条直线中，Lb为0、Lf为1、Ll为0、Lr为0，或
Lb为0、Lf为1、Ll为0、Lr为1，或
Lb为0、Lf为1、Ll为1、Lr为0，果园作业机具处于踏入树行的状态时，即为准确识别了果园行首。
所述步骤S1中，3D LiDAR的频率为20Hz。
所述方法进一步包括：S5、换行路径生成；
S5.1、转弯半径计算；
果园作业机具的转弯半径rturn为树行行距的一半，即drow为树行行距；
S5.2、“U”形转弯路径生成；
分别产生向左、向右的两条半径为rturn的“U”形路径；
S5.3、直角转弯路径生成；
分别产生向左、向右的长为rturn，宽为2rturn直角转弯路径。
所述步骤S5.2中，在路径跟踪时，直接基于果园作业机具的运动学模型进行，对于差速运动模型，其跟踪的目标角速度其中，v为果园作业机具的目标线速度，单位为m/s。
所述步骤S5.3中，在路径跟踪时，结合里程计计算果园作业机具移动的相对距离，借助惯性测量单元测量果园作业机具旋转的偏航角度进行跟踪。
与现有技术相比，本发明的有益效果在于：
本发明方法通过采集作业机具前后小范围内的空间点云信息，通过体心法等效树干中心，通过所识别的果树在机具前后左右方向的直线存在的真假组合方式，判断机具在果园中所处位置，进而实现行末、行首识别，最后基于行距信息规划转弯轨迹，并基于果园作业机具运动学模型进行轨迹跟踪控制。所述方法具有简单、运算量小、实时性高、准确性高、受环境干扰小、鲁棒性高等优点。
附图说明
图1为本发明的基于3D Lidar的果园行末、行首识别方法决策的流程图；
图2为本发明的机体坐标系示意图；
图3为本发明的果园作业机具由进入树行到到达行末再到离开行末时生成的“U”形与直角转弯路径示意图；
图4为本发明的体心等效树干示意图；
图5为本发明的果园作业机具由离开行末到踏入树行的示意图。
具体实施方式
下面结合附图和实施例对本发明进行进一步说明。
如图1所示，本发明的一种基于3D LiDAR的果园行末、行首识别方法，包括如下步骤：
S1、果园行间原始点云数据采集；
以果园作业机具上搭载的3D LiDAR的几何中心为原点，构建果园作业机具的机体坐标系{V}；如图2所示，果园作业机具的机体坐标系{V}的坐标原点在3D LiDAR的几何中心，x轴指向果园作业机具的前进方向，y轴平行于轮轴指向果园作业机具左侧，z轴垂直指向上方。
在果园作业机具行进过程中，3D LiDAR以一定的频率采集目标果园行间的三维原始点云数据，在机体坐标系{V}下，第k帧三维原始点云数据记为Pk。优选地，所述频率为20Hz。
S2、兴趣区域选择；
如图3所示，以机体坐标系{V}的原点为中心，x轴正方向保留1.5倍株距dtre，负方向保留0.5倍株距dtre；y轴正负方向均保留0.75倍行距drow；z轴正方向取正无穷，负方向取0.5倍3D LiDAR的安装高度hlidar；对三维原始点云数据Pk进行裁剪，作为所选兴趣区域的三维原始点云数据Pk′。
图3中虚线框为果园作业机具处在树行中间时，裁剪出的兴趣区域，实线框为果园作业机具处在行末位置时，裁剪出的兴趣区域。
S3、果树位置等效、定位直线拟合与分组；
S3.1、欧几里得聚类，获得每一棵果树点云数据集
使用开源算法对步骤S2获得的兴趣区域的三维原始点云数据Pk′进行欧几里得聚类，该算法包括以下成员函数：setInputCloud()、setClusterTolerance()、setMinClusterSize()、setMaxClusterSize()，对应的参数分别为：需要聚类的目标点云、最小距离阈值、聚类点的最小数目、聚类点的最大数目。
具体聚类过程为：
S3.1.1、创建一个kd-tree的搜索算法指针tree，将步骤S2获得的兴趣区域的三维原始点云数据Pk′所对应的指针，作为搜索算法指针tree的成员函数SetInputCloud()的输入参数，由此完成点云数据搜索方式kd-tree的创建；
S3.1.2、将需聚类的目标点云设为步骤S2获得的兴趣区域的三维原始点云数据Pk′，分别设置最小距离阈值为聚类点的最小数目为12、聚类点的最大数目为5000，将搜索方式设为步骤S3.1.1创建的kd-tree方式；其中，dtre为株距，默认值为1.5m。
S3.1.3、经过该算法将产生i个数组，即i个类别，亦即i棵果树(i＝0，1，2，...)，获得每一棵果树点云数据集
S3.2、树干的体心等效与投影；
如图4所示，根据果树的树冠分布满足中间集中、周围发散即在竖直方向呈轴对称的特点，提出一种体心等效树干位置的方法。体心求解步骤为：
S3.2.1、求解步骤S3.1获得的每一棵果树点云数据集中分别沿x轴、y轴、z轴三个方向的最值坐标/>
S3.2.2、分别求解三个轴向最值坐标的中点，即得到该果树的体心坐标其中，
S3.2.3、为了简化后面定位直线的拟合计算量，同时由于果树相对果园作业机具的位置仅与x、y的值有关，故将求得的树干体心投影至平面z＝0，即令求得的所有树干体心坐标的z值为0，则对于第i棵树，其体心坐标表示为获得第k帧的所有树干体心集合Qk。
S3.3、定位直线拟合与分组；
根据S3.2中求得的等效树干体心，在没有干扰的情况下，通常得到4棵果树的等效点，如图3中圆圈所示。
S3.3.1、首先以机体坐标系{V}的x轴为分割线，将第k帧的所有树干体心集合Qk分为左右两组Ql、Qr，然后以机体坐标系{V}的y轴为分割线将第k帧的所有树干体心集合Qk分为前后两组Qf、Qb，最后使用最小二乘法分别对四组树干体心集合Ql、Qr、Qf、Qb进行拟合，分别获得四条直线方程Ll、Lr、Lf、Lb；
S3.3.2、由于四组树干体心集合Ql、Qr、Qf、Qb可能存在少于两个点的情况，则相应的直线不存在，故可得到四条直线方程Ll、Lr、Lf、Lb存在的真假状态，将直线存在记为1，不存在记为0，则四条直线存在的真假状态组合方式共有24＝16种，获得四条直线存在的真假状态组合方式与果园作业机具在果园中所处位置的对应关系。
对四条直线方程Ll、Lr、Lf、Lb按照Lb、Lf、、Ll、Lr的顺序进行重新排列，将它们的组合结果换算成十进制，如表1所示，这16种组合方式将分别与果园作业机具在果园中所处位置进行对应。所述果园作业机具在果园中所处位置包括进入树行、到达行末、离开树行和踏入树行。
根据得到的四条直线方程Lb、Lf、、Ll、Lr存在的真假状态的16种组合方式，结合果园作业机具在果园中所处的实际位置进行对应，可以知道，果园作业机具在果园中所处位置主要有：
1、进入树行：ENTERING_ROW，如图3中虚线框所示为果园作业机具在树行中的一种典型情况；
2、到达行末：REACHING_END，如图3中实线框所示为果园作业机具到达行末的一种典型情况；
3、离开树行LEAVING_END，如图5中虚线框所示为果园作业机具离开树行的一种典型情况；
4、踏入树行STEPPING_IN_ROW，如图5中实线框所示为果园作业机具踏入树行的一种典型情况；
5、无效状态。
而果园作业机具在果园中所处位置可以对应四条直线的不同组合，如表1所示，离开树行(LEAVING_END)对应0、1、2三种不同组合方式，踏入树行(STEPPING_IN_ROW)对应4、5、6三种组合不同组合方式，到达行末(REACHING_END)对应8、9、10三种不同组合方式，而进入树行(ENTERING_ROW)仅对应15一种组合方式，对于剩下的组合方式3、7、11、12、13、14，从实际情况出发，这些组合方式不会存在，无法与果园作业机具所处位置进行对应，故可记为无效状态(×)。
表1为本发明的果园作业机具所处位置与四条定位直线存在的真假组合对应关系
S4、行末、行首识别；
根据步骤S3.3获得的四条直线存在的真假状态组合方式与果园作业机具在果园中所处位置的对应关系，当果园作业机具处于到达行末(REACHING_END)的状态时，即为准确识别了果园行末；当果园作业机具处于踏入树行(STEPPING_IN_ROW)的状态时，即为准确识别了果园行首。
S5、换行路径生成；
S5.1、转弯半径计算；
假设果园作业机具离开树行那一刻处于树行正中间，根据果园种植规则，左右树行行距drow均匀且相等，则果园作业机具的转弯半径rturn为行距的一半，即
S5.2、“U”形转弯路径生成；
由步骤S5.1可知，果园作业机具的转弯路径可以是一个半径为rturn的“U”形路径，如图3所示，实线框中的果园作业机具处于树行行末位置，根据给定转弯方向，可以分别产生向左、向右的两条半径为rturn的“U”形路径。
在路径跟踪时，直接基于果园作业机具的运动学模型进行，对于差速运动模型，其跟踪的目标角速度其中，v为果园作业机具的目标线速度，单位为m/s。
S5.3、直角转弯路径生成；
由S5.1可知，果园作业机具的转弯路径可以是一个长为rturn，宽为2rturn的一个类矩形(缺少一条宽边)直角路径，如图3所示，实线框中的果园作业机具处于树行行末位置，根据给定转弯方向，可以分别产生向左、向右的长为rturn，宽为2rturn直角转弯路径。
在路径跟踪时，结合里程计计算果园作业机具移动的相对距离，借助惯性测量单元(Inertial Measurement Unit，IMU)测量果园作业机具旋转的偏航角度进行跟踪。
以上实施方式仅用于说明本发明，而并非对本发明的限制。尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合、修改或者等同替换，都无法脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种基于3D LiDAR的果园行末、行首识别方法，其特征在于：包括如下步骤：
S1、果园行间原始点云数据采集；
以果园作业机具上搭载的3D LiDAR的几何中心为原点，构建果园作业机具的机体坐标系{V}；其中，在该坐标系中，x轴垂直于轮轴且正向指向果园作业机具的前进方向，y轴平行于轮轴且正向指向果园作业机具左侧，z轴垂直于x轴、y轴所在平面且正向指向上方；
在果园作业机具行进过程中，3D LiDAR以一定的频率采集目标果园行间的三维原始点云数据，在机体坐标系{V}下，第k帧三维原始点云数据记为Pk；
S2、兴趣区域选择；
以机体坐标系{V}的原点为中心，x轴正方向保留1.5倍株距dtre，负方向保留0.5倍株距dtre；y轴正、负方向均保留0.75倍行距drow；z轴正方向取正无穷，负方向取0.5倍3D LiDAR的安装高度hlidar；对三维原始点云数据Pk进行裁剪，作为所选兴趣区域的三维原始点云数据Pk′；
S3、果树位置等效、定位直线拟合与分组；
S3.1、欧几里得聚类，获得每一棵果树点云数据集
S3.1.1、创建一个kd-tree的搜索算法指针tree，将步骤S2获得的兴趣区域的三维原始点云数据Pk′所对应的指针，作为搜索算法指针tree的成员函数SetInputCloud()的输入参数，由此完成点云数据搜索方式kd-tree的创建；
S3.1.2、将需聚类的目标点云设为步骤S2获得的兴趣区域的三维原始点云数据Pk′，分别设置最小距离阈值为聚类点的最小数目为12、聚类点的最大数目为5000，将搜索方式设为步骤S3.1.1创建的kd-tree方式；其中，dtre为株距；
S3.1.3、经过该算法将产生i个数组，即i个类别，亦即i棵果树(i＝0，1，2，...)，获得每一棵果树点云数据集
S3.2、树干的体心等效与投影；
S3.2.1、求解步骤S3.1获得的每一棵果树点云数据集中分别沿x轴、y轴、z轴三个方向的最值坐标/>
S3.2.2、分别求解三个轴向最值坐标的中点，即得到该果树的体心坐标其中，
S3.2.3、令求得的所有树干体心坐标的z值为0，则对于第i棵树，其体心坐标表示为获得第k帧的所有树干体心集合Qk；
S3.3、定位直线拟合与分组；
S3.3.1、首先以机体坐标系{V}的x轴为分割线，将第k帧的所有树干体心集合Qk分为左右两组Ql、Qr，然后以机体坐标系{V}的y轴为分割线将第k帧的所有树干体心集合Qk分为前后两组Qf、Qb，最后使用最小二乘法分别对四组树干体心集合Ql、Qr、Qf、Qb进行拟合，分别获得四条直线方程：左直线Ll、右直线Lr、前直线Lf、后直线Lb；
S3.3.2、根据四条直线方程Ll、Lr、Lf、Lb存在的真假状态，将直线存在记为1，不存在记为0，则四条直线存在的真假状态组合方式共有24＝16种，获得四条直线存在的真假状态组合方式与果园作业机具在果园中所处位置的对应关系；所述果园作业机具在果园中所处位置包括进入树行、到达行末、离开树行和踏入树行；
S4、行末、行首识别；
根据步骤S3.3获得的四条直线存在的真假状态组合方式与果园作业机具在果园中所处位置的对应关系；
当四条直线中，Lb为1、Lf为0、Ll为0、Lr为0，或
Lb为1、Lf为0、Ll为0、Lr为1，或
Lb为1、Lf为0、Ll为1、Lr为0，果园作业机具处于到达行末的状态时，即为准确识别了果园行末；
当四条直线中，Lb为0、Lf为1、Ll为0、Lr为0，或
Lb为0、Lf为1、Ll为0、Lr为1，或
Lb为0、Lf为1、Ll为1、Lr为0，果园作业机具处于踏入树行的状态时，即为准确识别了果园行首。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，3D LiDAR的频率为20Hz。
3.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：S5、换行路径生成；
S5.1、转弯半径计算；
果园作业机具的转弯半径rturn为树行行距的一半，即drow为树行行距；
S5.2、“U”形转弯路径生成；
分别产生向左、向右的两条半径为rturn的“U”形路径；
S5.3、直角转弯路径生成；
分别产生向左、向右的长为rturn，宽为2rturn直角转弯路径。
4.根据权利要求3所述的方法，其特征在于，所述步骤S5.2中，在路径跟踪时，直接基于果园作业机具的运动学模型进行，对于差速运动模型，其跟踪的目标角速度其中，v为果园作业机具的目标线速度，单位为m/s。
5.根据权利要求3所述的方法，其特征在于，所述步骤S5.3中，在路径跟踪时，结合里程计计算果园作业机具移动的相对距离，借助惯性测量单元测量果园作业机具旋转的偏航角度进行跟踪。
CN202110178103.7A 2021-02-09 2021-02-09 基于3D LiDAR的果园行末、行首识别方法 Active CN112991435B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110178103.7A CN112991435B (zh) 2021-02-09 2021-02-09 基于3D LiDAR的果园行末、行首识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110178103.7A CN112991435B (zh) 2021-02-09 2021-02-09 基于3D LiDAR的果园行末、行首识别方法

Publications (2)

Publication Number Publication Date
CN112991435A CN112991435A (zh) 2021-06-18
CN112991435B true CN112991435B (zh) 2023-09-15

Family

ID=76392748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110178103.7A Active CN112991435B (zh) 2021-02-09 2021-02-09 基于3D LiDAR的果园行末、行首识别方法

Country Status (1)

Country Link
CN (1) CN112991435B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114485667A (zh) * 2022-01-13 2022-05-13 中国农业大学 一种轻智能化的果园地头导航方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109407112A (zh) * 2018-10-15 2019-03-01 华南农业大学 基于LiDAR点云数据的果树树冠体积测算方法及系统
CN110969624A (zh) * 2019-11-07 2020-04-07 哈尔滨工程大学 一种激光雷达三维点云分割方法
WO2020109666A1 (en) * 2018-11-30 2020-06-04 Prefor Oy Method and system for generating forestry data
CN111539473A (zh) * 2020-04-23 2020-08-14 中国农业大学 基于3D Lidar的果园行间导航线提取方法
CN111948651A (zh) * 2020-07-03 2020-11-17 北京理工大学 一种基于等效散射粒子的sar森林场景建模方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
UY36789A (es) * 2015-07-13 2017-01-31 Agerpoint Inc Sistemas y métodos modulares para determinar rendimientos de cultivos con sensores georreferenciados de alta resolución

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109407112A (zh) * 2018-10-15 2019-03-01 华南农业大学 基于LiDAR点云数据的果树树冠体积测算方法及系统
WO2020109666A1 (en) * 2018-11-30 2020-06-04 Prefor Oy Method and system for generating forestry data
CN110969624A (zh) * 2019-11-07 2020-04-07 哈尔滨工程大学 一种激光雷达三维点云分割方法
CN111539473A (zh) * 2020-04-23 2020-08-14 中国农业大学 基于3D Lidar的果园行间导航线提取方法
CN111948651A (zh) * 2020-07-03 2020-11-17 北京理工大学 一种基于等效散射粒子的sar森林场景建模方法

Also Published As

Publication number Publication date
CN112991435A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN109059944B (zh) 基于驾驶习惯学习的运动规划方法
CN112363503B (zh) 一种基于激光雷达的果园车辆自动导航控制系统
CN108917761A (zh) 一种无人车在地下车库中的精确定位方法
CN104268862B (zh) 一种自主车三维地形可通行性分析方法
CN111582123B (zh) 一种基于信标识别与视觉slam的agv定位方法
CN113345008B (zh) 考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法
CN109000649A (zh) 一种基于直角弯道特征的全方位移动机器人位姿校准方法
CN106780484A (zh) 基于卷积神经网络特征描述子的机器人帧间位姿估计方法
CN111539473B (zh) 基于3D Lidar的果园行间导航线提取方法
CN113359710B (zh) 一种基于los理论的农机路径跟踪方法
CN109753075B (zh) 一种基于视觉的农林园区机器人导航方法
CN113421291B (zh) 利用点云配准技术和三维重建技术的工件位置找正方法
CN110806585B (zh) 一种基于树干聚类跟踪的机器人定位方法及系统
CN112991435B (zh) 基于3D LiDAR的果园行末、行首识别方法
CN110533716A (zh) 一种基于3d约束的语义slam系统及方法
Li et al. 3D autonomous navigation line extraction for field roads based on binocular vision
CN116839570B (zh) 一种基于传感器融合目标检测的作物行间作业导航方法
CN114863376A (zh) 一种基于车载激光点云数据的道路标线分割方法及系统
CN115268443A (zh) 一种机器人避障路径规划方法
CN114063615B (zh) 棚内垄间农药喷洒智能车的倒车导航控制方法及系统
CN116109601A (zh) 一种基于三维激光雷达点云的实时目标检测方法
Nekkah et al. The autonomous racing software stack of the KIT19d
CN115294287A (zh) 一种用于温室巡检机器人的激光slam建图方法
Nie et al. A forest 3-D LiDAR SLAM system for rubber-tapping robot based on trunk center atlas
CN116576863A (zh) 一种玉米数据采集机器人作物行间导航路径识别方法、计算机设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant